FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS UTILIZANDO LINGUAGEM GRÁFICA
|
|
- Helena Ávila Bergmann
- 8 Há anos
- Visualizações:
Transcrição
1 FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS UTILIZANDO LINGUAGEM GRÁFICA Hugo da Silva Bernardes Gonçalves IFSP Instituto Federal de Ciência e Tecnologia de São Paulo Rua Pedro Vicente, São Paulo - SP Alexandre Brincalepe Campo brincalepe@gmail.com IFSP Instituto Federal de Ciência e Tecnologia de São Paulo Rua Pedro Vicente, São Paulo - SP Paulo Roberto Barbosa pebarbosa@gmail.com IFSP Instituto Federal de Ciência e Tecnologia de São Paulo Rua Pedro Vicente, São Paulo - SP Resumo: Este trabalho apresenta um conjunto de ferramentas computacionais desenvolvidas especialmente para projetos de Redes Neurais Artificiais (RNA s) com algoritmos de retropropagação. Estas ferramentas são construídas através de uma plataforma baseada em linguagem gráfica (LabVIEW ), propondo uma alternativa de fácil interpretação para a construção de RNA s. Também é apresentada uma interface intuitiva para construção de modelos de RNA s do tipo Perceptron de múltiplas camadas com algoritmo de retropropagação. É possível, desta forma, extrair os resultados ou o modelo após o treinamento da rede. A engenharia de software aplicada ao desenvolvimento da ferramenta permite a apresentação das principais configurações para o treinamento das RNA s com algortimo de retropropagação. Os modelos gerados são testados para verificação das ferramentas. O acesso prático a essas ferramentas possibilita maior produtividade e entendimento dos principais conceitos de RNA s pelo usuário. Palavras-chave: Linguagem Gráfica, Redes Neurais Artificiais, Engenharia de Software 1. INTRODUÇÃO As redes neurais artificiais (RNA s) são utilizadas em diversas aplicações comerciais e industriais como, por exemplo, em modelagem e controle de processos, reconhecimento de caracteres, reconhecimento de imagens, classificação de dados, controle inteligente. É possível observar, também, como as aplicações de RNA s nas
2 áreas de engenharias biológica e agrícola cresceram no período de 2003 a 2008 (HUANG, 2009). Há uma grande variedade de RNA s tais como: as redes de múltiplas camadas do tipo feed-forward, as redes com funções de bases radiais (BRF), os mapas auto-organizáveis de Kohonen e as redes recorrentes. Cada uma destas redes possui o seu algoritmo de treinamento como o de retropropagação, para o Perceptron de múltiplas camadas e a clusterização de dados para as BRF s e as redes de Kohonen (HUANG, 2009). O presente documento apresenta uma alternativa para construção de modelos de Redes Neurais Artificiais (RNA s) implementada em liguagem gráfica LabVIEW. A ferramenta computacional foi desenvolvida com o objetivo de fornecer a capacidade de configuração de modelos de RNA s, permitindo o aproveitamento dos resultados em sistemas de acordo com a finalidade do usuário que irá utilizá-la. Após a implementação, o sistema é testado e os resultados obtidos serão aplicados em um sistema existente para validação das fórmulas empregadas Ferramentas existentes Existem diversas ferramentas computacionais que disponibilizam uma interface para configuração e treinamento de RNA's. Entretanto cada ferramenta destas possui características diferentes e com parâmetros de entrada específicos. Em diversos casos estas ferramentas não oferecem o produto do treinamento para que este seja utilizado em outros sistemas de forma simples e direta. Nestes casos ainda existe a necessidade de adquirir licenças destas ferramentas além de ser necessário familiarizar-se com a linguagem visual específica em cada uma delas. Todo este processo é, muitas vezes, trabalhoso, sendo que o objetivo principal do usuário é utilizar uma RNA's para uma análise ou aplicação de forma rápida e eficiente. A seguir é apresentado um modelo de ferramenta que pode ser adquirida mediante o uso de plataformas pré-existentes, neste caso o MATLAB, e a aquisição dos respectivos módulos ou toolbox para utilização de Redes Neurais Artificiais. Na Figura 1 está apresentada uma parte da interface deste módulo que permite também a utilização de comandos em formato de texto. Nesta ferramenta, caso o usuário queira acrescentar algum recurso como a importação de um arquivo, terá que digitar comandos em formato de texto.
3 Figura 1 - Visual das telas do toolbox para o MATLAB Fonte: print screen do toolkit do MATLAB executado em sistema operacional Windows Alternativas de utilização das ferramentas do MATLAB em sistemas de identificação e controle podem ser criadas como visto em Canete et al. (2008). Neste trabalho os autores também se utilizam dos recursos de interconexão do MATLAB com a ferramenta Simulink para a construção dos modelos em blocos. A seguir na Figura 2, uma parte da interface produzida neste trabalho.
4 Figura 2 - Software de RNA's utilizando o Simulink e MATLAB Fonte: CANETE et al., 2008 Em Campos et al. (2010) é possível verificar a construção de um software para treinamento de redes feed-forward com algoritmo de retropropagação. A ferramenta é desenvolvida em linguagem de programação JAVA utilizando o paradigma de programação orientada a objeto difundido na década de 90 que pressupõe uma organização de software em termos de coleção de objetos discretos incorporando estrutura e comportamento próprios. A seguir na Figura 3, é apresentada uma das telas da ferramenta desenvolvida em linguagem de programação JAVA (CAMPOS, 2010) sendo executado em sistema operacional Windows :
5 Figura 3 - Software para treinamento de RNA's desenvolvido em linguagem JAVA Fonte: CAMPOS, 2010 Em outro trabalho, como é o caso do programa Multiple Back-Propagation (LOPES e RIBEIRO, 2001), também foi desenvolvido uma ferramenta para configurações de Redes Neurais Artificiais que executa em sistema operacional Windows. A imagem do software está na Figura 4:
6 Figura 4 - Ferramenta para treinamento de modelos de redes neurais artificiais Fonte: print screen do software MBP executado em sistema operacional Windows A ferramenta desenvolvida por Lopes e Ribeiro (2001) permite algumas configurações mas para utilizá-la é necessário construir um arquivo com os dados de entrada e saída desejados seguindo um padrão pré-determinado. No trabalho de Kowalska e Kaminski (2011), é apresentada a implementação de uma rede neural de múltiplas camadas para um estimador de velocidade em um sistema de driver duas massas. O algoritmo é implementado em um chip FPGA utilizando a linguagem LabVIEW. O modelo com 2 camadas intermediárias, é desenvolvido especificamente para a aplicação que teve de levar em consideração questões como o espaço que o algoritmo ocupa no chip FPGA, já que este possui memória e tamanho de variáveis determinados. Segundo Kowalska e Kaminski (2011), o uso do código em LabVIEW como linguagem de alto nível para desenvolver RNA's oferece vantagens como a rápida prototipação, rápida verificação, e a possibilidade de implementação em FPGA. A seguir na Figura 5 é apresentado o diagrama com a representação da RNA e sua interação no chip FPGA.
7 Figura 5 - Diagrama da implementação da RNA com duas camadas intermediárias Fonte: KOWALSKA e KAMINSKI, 2011 Nos trabalhos de Ponce e Gutierrez (2010), é possível encontrar um conjunto de algoritmos de RNA's especialmente desenvolvido para aplicações em LabVIEW. Entretanto neste trabalho não há uma interface padronizada para inserção dos dados de treinamento em um algoritmo como o Perceptron de múltiplas camadas, por exemplo. A seguir na Figura 6, a imagem de um código para algoritmos genéticos utilizando estas ferramentas:
8 Figura 6 - Código em LabVIEW para implementação de RNA's Fonte: PONCE e GUTIERREZ, OBJETIVOS Observou-se que, apesar de existirem alternativas para implementações de RNA's não se tem uma interface intuitiva e padronizada para o treinamento das redes sendo possível extrair os modelos para utilizá-los rapidamente em outros sistemas. As ferramentas existentes possuem características muito específicas que exigem muito conhecimento e estudo para operá-las. Optou-se por desenvolver uma ferramenta com maior capacidade para integração em sistemas de reconhecimento de padrão e sistemas de controle, por exemplo, utilizando a linguagem gráfica LabVIEW. Neste contexto, foi desenvolvida uma alternativa para utilização das ferramentas e também dos conceitos de RNAs utilizando redes do tipo Perceptron de Múltiplas Camadas com algoritmo de retropropagação. Foram identificadas as principais características de modelos de redes neurais artificiais e com isso determinados os parâmetros para as configurações dos modelos. A interface deve ser intuitiva e, portanto, a ferramenta deve ser baseada nas principais referências utilizadas para o estudo de RNA's com o algoritmo de retropropagação. Ao final do desenvolvimento a ferramenta foi disponibilizada em ambiente Web, no qual o usuário pode acessá-la através da internet. 3. REDES NEURAIS ARTIFICIAIS Uma rede neural artificial é uma estrutura que processa informação de forma paralela e distribuída e que consiste de unidades computacionais (as quais podem possuir uma memória local e podem executar operações locais) interconectadas por canais unidirecionais chamados de conexões. Cada unidade computacional possui uma única conexão de saída, que pode ser dividida em quantas conexões laterais se fizer necessário, sendo que cada uma destas conexões transporta o mesmo sinal, o sinal de saída da unidade computacional. O processamento executado por cada unidade computacional pode ser definido arbitrariamente, com a restrição de que ele deve ser
9 completamente local, isto é, deve depender somente dos valores atuais dos sinais de entrada que chegam até a unidade computacional via as conexões e dos valores armazenados na memória local da unidade computacional.(hetch-nielson, 1990) 3.1. A unidade computacional: neurônio artificial Um neurônio artificial é uma unidade computacional que será a base para a formação das redes neurais artificiais. Na Figura 7 são identificadas as partes do modelo neuronal: Figura 7 - Neurônio computacional Fonte: elaborado pelo autor O modelo apresentado na Figura 7 possui três partes: a) Os elos de conexão ou as sinapses, onde é aplicado ao sinal de entrada x j, e um peso ou força representado por w kj. b) Um somador que soma os sinais de entrada após eles serem ponderados pelos respectivos pesos. c) Uma função de ativação, onde é aplicada uma função que restringe a saída do neurônio. Este modelo inclui também um bias θ k que tem o efeito de aumentar ou diminuir a entrada da função de ativação, dependendo se ele é positivo ou negativo. A saída do neurônio é dada conforme a equação (1) (HAYKIN, 2001): Sendo correspondente à função de ativação sobre a saída. As funções de ativação podem ser do tipo Linear, Tangente hiperbólica ou Sigmóide Aprendizado da rede neural artificial O aprendizado da rede ocorre através do seu treinamento onde serão ajustados os seus pesos. Considerando o aprendizado com supervisão forte (NASCIMENTO e
10 YONEYAMA, 2008) e utilizando o modelo perceptron de múltiplas camadas com algoritmo de retropropagação para seu treinamento, tem-se o ajuste dos pesos definido por: sendo (HAYKIN, 2001):, ; ; sinal de entrada do neurônio j na iteração n representado pela equação (3): E será conforme a equação (4) para neurônios de camadas intermediárias: E conforme a equação (5) para neurônios na camada de saída: onde, - Correspondendo ao erro entre o valor desejado e o sinal de saída na iteração n; Ainda é possível utilizar a uma constante de momento (HUANG, 2009), conforme a equação (6):. 4. CONSTRUÇÃO DO ALGORITMO Seguindo principais conceitos sobre RNA s (HAYKIN, 2001), (NASCIMENTO e YONEYAMA, 2008), (HUANG, 2009), tem-se as seguintes etapas para construção do algoritmo; 4.1. A fase de propagação para frente
11 O cálculo a partir da entrada e propagado até a geração da saída possui os seguintes passos: a) Multiplicação das entradas pelos pesos sinápticos nas conexões iniciais; b) Somatório dos resultados das multiplicações; c) Função de ativação do resultado; d) Multiplicação pelos pesos sinápticos da camada adiante (se houver), somatório e função de ativação; e) Repetição destes cálculos até a última camada. f) Geração do sinal de saída Propagação para trás Cálculo que parte da saída obtida até a primeira camada com os seguintes passos: a) Cálculo do erro representado pela diferença entre o valor desejado e a saída; b) Multiplicação do erro pelo peso no sentido em direção à penúltima camada;; c) Somatório destes novos valores nos neurônios da camada anterior (caso os valores não sejam originados da camada de saída) produzindo novos gradientes; d) multiplicação destes novos erros pelos pesos em direção à camada anterior e assim por diante até os neurônios de entrada Ajuste dos pesos sinápticos Em seguida serão calculados os novos pesos da rede: a) Calculam-se os novos pesos das conexões de entrada somando-se o peso da iteração inicial ao produto entre a taxa de aprendizagem, o gradiente da conexão correspondente e a derivada da função de ativação dos neurônios da primeira camada em relação ao potencial de ativação; b) Repete-se esta operação ajustando-se todos os pesos das conexões adiante. Estes passos constituem uma iteração ou época. São realizadas quantas épocas forem necessárias até que se diminua o, apresentado na equação (7), a um valor mínimo desejado (HAYKIN, 2001). com conforme a equação 8: onde C representa todos os neurônios de saída da rede.
12 5. IMPLEMENTAÇÃO EM LINGUAGEM GRÁFICA Foi escolhida para a implementação a linguagem gráfica LabVIEW. Esta linguagem se destaca por possuir uma fácil visualização do código como um todo. Possui recursos que facilitam identificar o fluxo dos dados nos algoritmos e corrigir possíveis erros durante o desenvolvimento. É uma linguagem de programação com código basicamente representado por blocos e linhas, constituindo um paradigma de código diferente dos habituais estruturados em texto Funções de ativação em linguagem gráfica Na Figura 8 são apresentadas as funções de ativação implementadas em LabVIEW : Figura 8 - Código com as funções de ativação: a) função tengente hiperbólica; b) função linear; c) função sigmoidal Fonte: elaborado pelo autor Na Figura 9 são apresentadas as derivadas das funções de ativação.
13 Figura 9 - Derivada da função de ativação: a) Derivada da função tangente hiperbólica; b) Derivada da função sigmoidal; c) Derivada da função linear Fonte: elaborado pelo autor Foram definidos os seguintes parâmetros a serem inseridos pelo usuário: a) Os pares de entrada e saídas desejadas; b) O número de camadas intermediárias; c) O número de neurônios em cada camada; d) A função de ativação em cada camada; e) O algoritmo de treinamento (neste caso utilizaremos apenas a retropropagação); f) A taxa de aprendizagem; g) O número de iterações (épocas) a serem executadas ou o erro quadrado médio mínimo a ser atingido durante o treinamento. O objetivo do design da interface depende do contexto -- quem são os usuários, o que eles pretendem fazer, e quais são seus objetivos (COOPER, REINMAN e CRONIN, 2007). A interface com o usuário é apresentada a seguir na Figura 10:
14 Figura 10 - Interface desenvolvida em LabVIEW 6. TESTE DA FERRAMENTA Para testar a funcionalidade da interface de treinamento utilizou-se um sistema de controle de velocidade em malha fechada representado pelo seguinte diagrama da Figura 11: Figura 11 - Diagrama da malha de controle O sistema foi montado utilizando um hardware USB para aquisição e geração dos sinais. Assim, obteve-se o controle de velocidade de uma ventoinha utilizando-se de um foto-transistor para a leitura da velocidade. Na Figura 12 é apresentada uma imagem do sistema físico:
15 Figura 12 - Sistema para o controle de velocidade da ventoinha A rede neural artificial foi treinada a partir dos dados de entrada e saída do controlador existente conforme representado pela figura 13: Figura 13 Diagrama com a representação dos dados de entrada para a RNA a partir do controle existente no sistema Após o treinamento da rede, substituiu-se o controle existente pelo modelo aprendido, conforme demonstrado na Figura 14: Figura 14 - Diagrama com o controle realizado pelo modelo neural
16 6.1. Parâmetros da rede Para o treinamento foi utilizada a seguinte rede neural representada na Figura 15: Figura 15 - Modelo de rede neural artificial utilizado para o treinamento onde o número de camadas é igual a 3 com 5, 3 e 1 neurônio em cada uma respectivamente, as funções de ativação são todas lineares, a taxa de aprendizagem e o termo de momento é igual a 0,001. Definiu-se o máximo de 3500 iterações e erro menor que 0,4. Os valores escolhidos como entrada da rede a ser treinada foram (adaptado de CUI e SHIN, 1993): Set- point; rpm; rpm(k-1); rpm(k-2); rpm(k-3); rpm(k-4); erro(k-1); saída(k-1); saída(k-2; saída(k-3) Resultados A seguir nas Figuras 16 e 17 são apresentados os resultados do controle préexistente (PID) e do controle após o treinamento e a substituição pelo modelo neural,
17 onde a amplitude do eixo y é dada em rotações por minuto (rpm) e o eixo x é o tempo decorrido em segundos. A linha vermelha corresponde ao set-point e a linha azul à resposta do sistema: Figura 16 - Gráfico com o comportamento da velocidade com o controlador préexistente
18 Figura 17 - Gráfico com o comportamento da velocidade após a inserção do modelo neural Nota-se que o desempenho do controlador PID foi reproduzido pelo sistema construído pela ferramenta proposta. Nos dois casos a resposta teve comportamento sub-amortecido com sobressinal equivalente. No entanto, os dados utilizados para treinamento não haviam contemplado o comportamento do sistema inicial na região dos 300 rpm. Por isso observa-se uma diferença no erro estacionário da Figura 17 próximo a este valor ao utilizar o modelo neural para controle do sistema. 7. CONCLUSÕES Foi possível observar neste trabalho a utilização de uma ferramenta para configuração e treinamento de RNA s através de uma interface intuitiva desenvolvida em linguagem gráfica. Através dos principais parâmetros segundo a bibliografia estudada, foi possível configurar uma rede do tipo perceptron de múltiplas camadas com algoritmo de retropropagação. Também puderam ser testados os resultados do treinamento em um sistema de controle, substituindo o controle pré-existente por um modelo neural. Foi observada a importância da utilização do termo de momento que permitiu que o erro médio atingisse o desempenho desejado durante o treinamento. A interface destacou-se por possuir apenas uma tela, apresentar os principais parâmetros e ainda permitir que o modelo final fosse diretamente extraído para a sua utilização em qualquer outro sistema. Um modelo de interface padronizado demonstrou-se importante para o desenvolvimento de novas redes que podem ser utilizadas em diversas aplicações. Assim este trabalho propõe a utilização desta ferramenta para o treinamento inicial nas aplicações que necessitem da criação de uma rede, seja para identificação de modelos como para o controle de sistemas. REFERÊNCIAS BIBLIOGRÁFICAS CAMPOS, J. R. et al. Implementação de Redes Nurais Artificiais Utilizando a linguagem de Programação JAVA. Serra Negra: 9th Brazilian Conference on Dynamics, Control and their Applications, CAMPOS, J. R. Desenvolvimento de um sistema dinâmico para predição de cargas elétricas por redes neurais através do paradigma de programação orientada a objeto sob a linguagem JAVA. Ilha Solteira: UNESP, CANETE, J. F.; PEREZ, S. G.; SAZ, O. P. Software Tools for System Identification and Control using Neural Networks in Process Engineering. [S.l.]: World Academy of Science, Engineering and Technology, v. 47, COOPER, A.; REINMAN, R.; CRONIN, D. About Face 3: The Essential of Interaction Design. Indianapolis: Wiley Publishing, CUI, X.; SHIN, K. G. Direct Control and Coordination using Neural Networks. 3. ed. [S.l.]: IEEE Trans. Syst., Man, and Cybern., v. 23, 1993.
19 HAYKIN, S. Redes Neurais: princípios e práticas. Tradução de Paulo Martins Engel. 2ª Edição. ed. Porto Alegre: Bookman, HETCH-NIELSON, R. Neurocomputing. [S.l.]: Addison-Wesley, HUANG, Y. Advances in Artificial Neural Networks - Methodoloical Development and Application. Open Access - Algorithms, Disponível em: < Acesso em: Julho KOWALSKA, T. O.; KAMINSKI, M. FPGA Implementation of the Multilayer Neural Network for the Speed Estimation of the Two-Mass Drive System. IEEE Transaction on Industrial Informatics, LOPES, N.; RIBEIRO, B. Hybrid learning multi neural architecture. [S.l.]: INNS- IEEE International Joint Conference on Neural Networks (IJCNN 2001), v. 4, LOPES, N.; RIBEIRO, B. Stochastic GPU-based multithread implementation of multiple back-propagation. [S.l.]: Second International Conference on Agents and Artificial Intelligence (ICAART 2010), LOPES, N.; RIBEIRO, B. An evaluation of multiple feed-forward networks on GPUs. [S.l.]: International Journal of Neural Systems (IJNS), NASCIMENTO, J. C. L.; YONEYAMA, T. Inteligência Artificial em Controle e Automação. São Paulo: Blucher, PONCE, P.; GUTIERREZ, A. M. LabVIEW for Intelligent Control Research and Education. IEEE, 2010.
20 COMPUTATIONAL TOOL FOR RNA S PROJECTS DEVELOPMENT USING GRAPHICAL PROGRAMING LANGUAGE Abstract: This paper presents a computational tool developed specifically to Artificial Neural Network (ANN) projects with back-propagation algorithm. This tools are built by a graphical based platform (LabVIEW), proposing an easy interpretation way to build ANN s. Also it is presented an intuitive way to build ANN using Multi Layer Perceptron and back-propagation. It s possible extract the results or model after the network training. The software engineering applied on this tools development allows to present the essential configurations for ANN s training that uses back-propagation algorithm. The generated models are tested for checking tools and evaluate its ease of use. These tools allow more understanding of the RNA s knowledge base algorithms. Key-words: Graphical Programming Language, Artificial Neural Network, Software Engineering
DESENVOLVIMENTO DE FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS
IFSP - INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SÃO PAULO DESENVOLVIMENTO DE FERRAMENTA COMPUTACIONAL PARA PROJETOS DE REDES NEURAIS ARTIFICIAIS HUGO DA SILVA BERNARDES GONÇALVES São Paulo
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisRelatório da Aula Prática sobre Redes Neurais Artificiais
Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisUm Driver NDIS Para Interceptação de Datagramas IP
Um Driver NDIS Para Interceptação de Datagramas IP Paulo Fernando da Silva psilva@senior.com.br Sérgio Stringari stringari@furb.br Resumo. Este artigo apresenta o desenvolvimento de um driver NDIS 1 para
Leia maisRelatório de uma Aplicação de Redes Neurais
UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisInteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisPROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS
Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisSimulador de Redes Neurais Multiplataforma
Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC
Leia maisRedes Neurais. Profa. Flavia Cristina Bernardini
Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento
Leia maisIdentificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica
Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia
Leia maisDesenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA
Desenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA RESUMO Ricardo Della Libera Marzochi A introdução ao Service Component Architecture (SCA) diz respeito ao estudo dos principais fundamentos
Leia maisRevista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP
Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisESTUDO DE CASO: LeCS: Ensino a Distância
ESTUDO DE CASO: LeCS: Ensino a Distância HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais de Garça FAEG - Labienópolis - CEP 17400-000 Garça (SP) Brasil Telefone (14) 3407-8000
Leia maisTítulo: Controle de um sistema Bola- Barra com realimentação através de imagem
Título: Controle de um sistema Bola- Barra com realimentação através de imagem Autores: Caio Felipe Favaretto, Henrique Corrêa Ramiro, Rômulo de Oliveira Souza e Marcelo Barboza Silva Professor orientador:
Leia maisAPLICAÇÃO PARA ANÁLISE GRÁFICA DE EXERCÍCIO FÍSICO A PARTIR DA PLATAFORMA ARDUINO
APLICAÇÃO PARA ANÁLISE GRÁFICA DE EXERCÍCIO FÍSICO A PARTIR DA PLATAFORMA ARDUINO Alessandro A. M de Oliveira 1 ; Alexandre de Oliveira Zamberlan 1 ; Péricles Pinheiro Feltrin 2 ; Rafael Ogayar Gomes 3
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisRedes Neurais Artificiais na Engenharia Nuclear 2 Aula-1 Ano: 2005
Redes Neurais Artificiais na Engenharia Nuclear 1 - Apresentação do Professor: dados, lista de E-mail s, etc. - Apresentação da Turma: Estatística sobre origem dos alunos para adaptação do curso - Apresentação
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisFunções de Posicionamento para Controle de Eixos
Funções de Posicionamento para Controle de Eixos Resumo Atualmente muitos Controladores Programáveis (CPs) classificados como de pequeno porte possuem, integrados em um único invólucro, uma densidade significativa
Leia maisREAL LACOS: CONTROLE DIGITAL EM TEMPO REAL
REAL LACOS: CONTROLE DIGITAL EM TEMPO REAL Andreya Prestes da Silva 1, Rejane de Barros Araújo 1, Rosana Paula Soares Oliveira 1 e Luiz Affonso Guedes 1 Universidade Federal do ParáB 1 Laboratório de Controle
Leia maisDESENVOLVIMENTO DE UM APLICATIVO DO TIPO SECRETÁRIO VIRTUAL PARA A PLATAFORMA ANDROID
DESENVOLVIMENTO DE UM APLICATIVO DO TIPO SECRETÁRIO VIRTUAL PARA A PLATAFORMA ANDROID Maik Olher CHAVES 1 ; Daniela Costa Terra 2. 1 Graduado no curso de Tecnologia em Análise e Desenvolvimento de Sistemas
Leia maisEngenharia de Requisitos Estudo de Caso
Engenharia de Requisitos Estudo de Caso Auxiliadora Freire Fonte: Engenharia de Software 8º Edição / Ian Sommerville 2007 Slide 1 Engenharia de Requisitos Exemplo 1 Reserva de Hotel 1. INTRODUÇÃO Este
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
Leia maisA implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais,
Artigos A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais Cleber Gustavo Dias Professor do Departamento de Ciências Exatas Uninove. São Paulo SP [Brasil] diascg@uninove.br
Leia maisO que é Grid Computing
Grid Computing Agenda O que é Grid Computing Grid vs Cluster Benefícios Tipos de Grid Aplicações Ferramentas e padrões Exemplos no mundo Exemplos no Brasil Grid no mundo dos negócios Futuro O que é Grid
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisGeração do Portal CPCX - UFMS pelo UNION: Um Estudo de Caso
Geração do Portal CPCX - UFMS pelo UNION: Um Estudo de Caso Lourival dos Santos Pires Júnior, Tony Carlos Bignardi dos Santos, Amaury Antônio de Castro Junior, Carlos Alberto da Silva, Leila Lisiane Rossi
Leia maisAutomatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial
Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento
Leia maisPós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia maisGERAÇÃO DE RELATÓRIOS
UNIOESTE Universidade Estadual do Oeste do Paraná CCET - CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Ciência da Computação Curso de Bacharelado em Ciência da Computação GERAÇÃO DE RELATÓRIOS
Leia maisSoftware de segurança em redes para monitoração de pacotes em uma conexão TCP/IP
Software de segurança em redes para monitoração de pacotes em uma conexão TCP/IP Paulo Fernando da Silva psilva@senior.com.br Sérgio Stringari stringari@furbbr Resumo. Este artigo apresenta a especificação
Leia maisAMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS Orientando: Oliver Mário
Leia maisPrevisão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
Leia maisSistema Gerenciador de Conteúdo OpenCms: um caso de sucesso no CEFET-MG
Sistema Gerenciador de Conteúdo OpenCms: um caso de sucesso no CEFET-MG Marco T. A. Rodrigues*, Paulo E. M. de Almeida* *Departamento de Recursos em Informática Centro Federal de Educação Tecnológica de
Leia maisSISTEMA COMPUTACIONAL PARA ANÁLISES DE DADOS EM AGRICULTURA DE PRECISÃO
UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO INSTITUTO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA PROJETO SISTEMA COMPUTACIONAL PARA ANÁLISES DE DADOS EM AGRICULTURA DE PRECISÃO ALUNO RICARDO CARDOSO TERZELLA
Leia maisREVISÃO ENGENHARIA DO SOFTWARE. Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com
REVISÃO ENGENHARIA DO SOFTWARE Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com Software Sequencia de Instruções a serem seguidas ou executadas Dados e rotinas desenvolvidos por computadores Programas
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS 4ª Série Informática Industrial CST em Mecatrônica Industrial A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido por meio de um
Leia maisENGENHARIA DE SOFTWARE I
ENGENHARIA DE SOFTWARE I Prof. Cássio Huggentobler de Costa [cassio.costa@ulbra.br] Twitter: www.twitter.com/cassiocosta_ Agenda da Aula (002) Metodologias de Desenvolvimento de Softwares Métodos Ágeis
Leia maisFigura 1 - Arquitetura multi-camadas do SIE
Um estudo sobre os aspectos de desenvolvimento e distribuição do SIE Fernando Pires Barbosa¹, Equipe Técnica do SIE¹ ¹Centro de Processamento de Dados, Universidade Federal de Santa Maria fernando.barbosa@cpd.ufsm.br
Leia maisModelagemde Software Orientadaa Objetos com UML
Modelagemde Software Orientadaa Objetos com UML André Maués Brabo Pereira Departamento de Engenharia Civil Universidade Federal Fluminense Colaborando para a disciplina CIV 2802 Sistemas Gráficos para
Leia maisRequisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Curso Técnico em Informática ENGENHARIA DE SOFTWARE Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Clayton Maciel Costa
Leia maisREFORÇO DE PROGRAMAÇÃO ESTRUTURADA EM LINGUAGEM C PARA GRADUAÇÃO EM ENGENHARIA ELÉTRICA
REFORÇO DE PROGRAMAÇÃO ESTRUTURADA EM LINGUAGEM C PARA GRADUAÇÃO EM ENGENHARIA ELÉTRICA Andréa Willa Rodrigues Villarim (Voluntário) Marcelo Pereira Rufino (Bolsista) Larissa Aguiar (Bolsista) Nady Rocha
Leia maisAlgoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br
(Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução
Leia maisTÍTULO: GARRA ROBÓTICA PERCEPTIVA CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: COMPUTAÇÃO E INFORMÁTICA
TÍTULO: GARRA ROBÓTICA PERCEPTIVA CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: COMPUTAÇÃO E INFORMÁTICA INSTITUIÇÃO: CENTRO UNIVERSITÁRIO GERALDO DI BIASE AUTOR(ES): EDUARDO REIS ALVES,
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
Leia maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 5º MÓDULO AVALIAÇÃO A4 DATA 23/04/2009 ENGENHARIA DE SOFTWARE Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisINSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO SITEC2010 - Semana do Instituto de Tecnologia Aluno: Edson Adriano Maravalho Avelar Orientador: Prof. Dr. Kelvin Lopes Dias 1 Motivação Aumento
Leia maisCONCEITOS E APLICAÇÕES DA COMPUTAÇÃO EM NUVEM
CONCEITOS E APLICAÇÕES DA COMPUTAÇÃO EM NUVEM Rogério Schueroff Vandresen¹, Willian Barbosa Magalhães¹ ¹Universidade Paranaense(UNIPAR) Paranavaí-PR-Brasil rogeriovandresen@gmail.com, wmagalhaes@unipar.br
Leia mais1) MANUAL DO INTEGRADOR Este documento, destinado aos instaladores do sistema, com informações de configuração.
O software de tarifação é uma solução destinada a rateio de custos de insumos em sistemas prediais, tais como shopping centers. O manual do sistema é dividido em dois volumes: 1) MANUAL DO INTEGRADOR Este
Leia maisDESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação
DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane
Leia maisJinSol, uma interface em Java para solvers lineares.
JinSol, uma interface em Java para solvers lineares. Italo C. N. Lima, João Paulo K. Zanardi, Faculdade de Engenharia, PPGEM, UERJ, 20550-900, Rio de Janeiro, RJ E-mail: italonievinski@gmail.com, jpzanardi@gmail.com
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisBase de Dados para Administrações de Condomínios
Base de Dados para Administrações de Condomínios José Pedro Gaiolas de Sousa Pinto: ei03069@fe.up.pt Marco António Sousa Nunes Fernandes Silva: ei03121@fe.up.pt Pedro Miguel Rosário Alves: alves.pedro@fe.up.pt
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisSistema Modelix-G (Modelix-Grafix)
Sistema Modelix-G (Modelix-Grafix) 1) Introdução 1 2) Utilizando o Sistema Modelix-G impresso (paper) 1 3) Utilizando o Sistema Modelix-G com software 4 4) Divulgando seus projetos e idéias 7 1) Introdução
Leia maisRoteiro. Arquitetura. Tipos de Arquitetura. Questionário. Centralizado Descentralizado Hibrido
Arquitetura Roteiro Arquitetura Tipos de Arquitetura Centralizado Descentralizado Hibrido Questionário 2 Arquitetura Figura 1: Planta baixa de uma casa 3 Arquitetura Engenharia de Software A arquitetura
Leia maisDESENVOLVENDO APLICAÇÃO UTILIZANDO JAVA SERVER FACES
DESENVOLVENDO APLICAÇÃO UTILIZANDO JAVA SERVER FACES Alexandre Egleilton Araújo, Jaime Willian Dias Universidade Paranaense (Unipar) Paranavaí PR Brasil araujo.ale01@gmail.com, jaime@unipar.br Resumo.
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisXDOC. Solução otimizada para armazenamento e recuperação de documentos
XDOC Solução otimizada para armazenamento e recuperação de documentos ObJetivo Principal O Que você ACHA De ter Disponível Online todos OS Documentos emitidos por SUA empresa em UMA intranet OU Mesmo NA
Leia maisORGANIZAÇÃO DE COMPUTADORES MÓDULO 8
ORGANIZAÇÃO DE COMPUTADORES MÓDULO 8 Índice 1. A Organização do Computador - Continuação...3 1.1. Processadores - II... 3 1.1.1. Princípios de projeto para computadores modernos... 3 1.1.2. Paralelismo...
Leia maisObjetivos. Processos de Software. Tópicos abordados. O processo de software. Modelos genéricos de modelos de processo de software.
Processos de Software Objetivos Apresentar os modelos de processo de software Conjunto coerente de atividades para especificar, projetar, implementar e testar s de software Descrever os diferentes modelos
Leia maisANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007
ANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007 CURITIBA 2015 2 SUMÁRIO INTRODUÇÃO AO MICROSOFT POWERPOINT 2007... 3 JANELA PRINCIPAL... 3 1 - BOTÃO OFFICE... 4 2 - FERRAMENTAS DE ACESSO
Leia maisPRO-FAE: FERRAMENTA COMPUTACIONAL PARA AUXILIO NO PROJETO PRELIMINAR DE FAZENDAS EÓLICAS.
RIO 3 - World Climate & Energy Event, 1-5 December 2003, Rio de Janeiro, Brazil 379 PRO-FAE: FERRAMENTA COMPUTACIONAL PARA AUXILIO NO PROJETO PRELIMINAR DE FAZENDAS EÓLICAS. Jorge Antonio Villar Alé, Alexandre
Leia maisArpPrintServer. Sistema de Gerenciamento de Impressão By Netsource www.netsource.com.br Rev: 02
ArpPrintServer Sistema de Gerenciamento de Impressão By Netsource www.netsource.com.br Rev: 02 1 Sumário INTRODUÇÃO... 3 CARACTERÍSTICAS PRINCIPAIS DO SISTEMA... 3 REQUISITOS DE SISTEMA... 4 INSTALAÇÃO
Leia maisFERRAMENTA WEB PARA MODELAGEM LÓGICA EM PROJETOS DE BANCOS DE DADOS RELACIONAIS
FERRAMENTA WEB PARA MODELAGEM LÓGICA EM PROJETOS DE BANCOS DE DADOS RELACIONAIS PAULO ALBERTO BUGMANN ORIENTADOR: ALEXANDER ROBERTO VALDAMERI Roteiro Introdução Objetivos Fundamentação teórica Desenvolvimento
Leia mais15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
Leia maisESTUDO COMPARATIVO ENTRE AS PLATAFORMAS ARDUINO E PIC
ESTUDO COMPARATIVO ENTRE AS PLATAFORMAS ARDUINO E PIC Tiago Menezes Xavier de Souza¹, Igor dos Passos Granado¹, Wyllian Fressatti¹ ¹Universidade Paranaense (UNIPAR) Paranavaí- PR- Brasil tiago_x666@hotmail.com,
Leia maisIntrodução ao GED Simone de Abreu
Introdução ao GED Simone de Abreu GED O que é isso? O conhecimento teve, ao longo da história, diferentes significados e funções. No tempo das cavernas nossos antepassados transmitiam aos seus descendentes
Leia maisImplementações e Comparação de Multiplicadores de Alta Velocidade para Dispositivos Reconfiguráveis
Implementações e Comparação de Multiplicadores de Alta Velocidade para Dispositivos Reconfiguráveis Tiago dos Santos Patrocinio, Ivan Saraiva Silva Departamento de Computação Universidade Federal do Piauí
Leia maisArquitetura de Redes: Camadas de Protocolos (Parte I) Prof. Eduardo
Arquitetura de Redes: Camadas de Protocolos (Parte I) Prof. Eduardo Introdução O que é Protocolo? - Para que os pacotes de dados trafeguem de uma origem até um destino, através de uma rede, é importante
Leia maisAlgoritmos Construtivos. Prof. Júlio Cesar Nievola PPGIA PUCPR Especialização em Inteligência Computacional
Algoritmos Construtivos PPGIA PUCPR Introdução Motivação: transformar o treinamento em um problema simples de aprendizagem de uma célula: Algoritmo da torre Algoritmo da pirâmide Algoritmo de correlação
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia maisRedes neurais aplicadas na identificação de variedades de soja
Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,
Leia maisPalavras-chave: i3geo, gvsig, Mapserver, integração, plugin. Contato: edmar.moretti@terra.com.br ou edmar.moretti@gmail.com
III Jornada Latinoamericana e do Caribe do gvsig Artigo: Integração do software i3geo com o gvsig Autor: Edmar Moretti Resumo: O i3geo é um software para a criação de mapas interativos para internet qu
Leia maisNathalie Portugal Vargas
Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield
Leia mais1 http://www.google.com
1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou
Leia mais1. CAPÍTULO COMPUTADORES
1. CAPÍTULO COMPUTADORES 1.1. Computadores Denomina-se computador uma máquina capaz de executar variados tipos de tratamento automático de informações ou processamento de dados. Os primeiros eram capazes
Leia maisProjeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC
Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria
Leia mais5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
Leia maisPrevisão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais
Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José
Leia maisArquitetura de Informação
Arquitetura de Informação Ferramentas para Web Design Prof. Ricardo Ferramentas para Web Design 1 Arquitetura de Informação? Ferramentas para Web Design 2 Arquitetura de Informação (AI): É a arte de expressar
Leia maisGERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL
GERENCIAMENTO DO CONHECIMENTO NA EMPRESA DIGITAL 1 OBJETIVOS 1. Por que hoje as empresas necessitam de programas de gestão do conhecimento e sistemas para gestão do conhecimento? 2. Quais são as aplicações
Leia mais5 Sistema Experimental
5 Sistema Experimental Este capitulo apresenta o sistema experimental utilizado e é composto das seguintes seções: - 5.1 Robô ER1: Descreve o robô utilizado. É dividida nas seguintes subseções: - 5.1.1
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisAcadêmico: Maicon Machado Orientador: José Carlos Toniazzo
Acadêmico: Maicon Machado Orientador: José Carlos Toniazzo Tema; Delimitação do Problema; Hipóteses ou questões de pesquisa; Objetivos; Justificativa; Revisão Bibliográfica; Cronograma; Referências. Desenvolver
Leia maisLINGUAGEM DE BANCO DE DADOS
LINGUAGEM DE BANCO DE DADOS Gabriela Trevisan Bacharel em Sistemas de Informação Universidade Federal do Rio Grande Pós-Graduanda Formação Pedagógica de Professores (FAQI) Conceito de BD Um banco de dados
Leia maisSemântica para Sharepoint. Busca semântica utilizando ontologias
Semântica para Sharepoint Busca semântica utilizando ontologias Índice 1 Introdução... 2 2 Arquitetura... 3 3 Componentes do Produto... 4 3.1 OntoBroker... 4 3.2 OntoStudio... 4 3.3 SemanticCore para SharePoint...
Leia maisPesquisa e organização de informação
Pesquisa e organização de informação Capítulo 3 A capacidade e a variedade de dispositivos de armazenamento que qualquer computador atual possui, tornam a pesquisa de informação um desafio cada vez maior
Leia maisO modelo unificado de processo. O Rational Unified Process, RUP.
Cursos: Sistemas de Informação Disciplina: Administração ADM Prof. Jarbas Avaliação: Prova B1, 5º/6º semestres Data: 27/09/2010 Nome: Gabarito RA: Assinatura: Turma: 1) Segundo as afirmações a seguir,
Leia mais